[發明專利]醫學圖像的病理標注方法及裝置、計算機可讀存儲介質

在審

• 申請號: 201811260198.1
• 申請日: 2018-10-26
• 公開（公告）號: CN109446370A
• 公開（公告）日: 2019-03-08
• 發明（設計）人: 車拴龍;羅丕福;劉斯;李映華;邱偉松;蘇鉅銘
• 申請（專利權）人: 廣州金域醫學檢驗中心有限公司
• 主分類號: G06F16/583
• 分類號: G06F16/583;G16H30/40
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 宋靜娜;郝傳鑫

本發明實施例公開的醫學圖像的病理標注方法，通過當接收到任一用戶在所述移動終端輸入的進入標注模式的請求時，判定所述用戶是否具有病理標注資格；當判斷所述用戶具有病理標注資格中，隨機調用待標注的醫學圖像并在所述移動終端的顯示界面進行顯示；接收所述用戶對所述醫學圖像的第一標注結果，并保存所述用戶對所述醫學圖像的第一標注結果，能在保證標注質量的前提下，使得標注工作者可隨時隨地對醫學圖像進行標注，工作地點不受限制，能大大提高標注工作的效率，為人工智能提供質量高且數量豐富的學習樣本。

技術領域

本發明涉及智能醫療領域，尤其涉及一種醫學圖像的病理標注方法及裝置、計算機可讀存儲介質。

背景技術

機器學習用于醫學圖像分析前，需要大量的高質量的標注數據。如何確保標注質量結果的可靠性及醫生如何在人工智能輔助下簽發醫學報告，都是未來人工智能應用于臨床實踐中所要面臨和解決的問題。在不斷驗證和調試人工智能的準確性方面也缺乏系統性的方法。將科學研究中人工智能輔助診斷系統，落地到臨床醫療實踐中，確保診斷結果的可靠性及準確性，需要醫生和人工智能之間有良好的工作流程。發現人工智能現在已存在或者未來可能遇到的問題時，有不斷學習和調整的相關機制。

人工智能在前期標注時，一般選擇全片整體性標注、大至中等FOV圖片的標注，則只能在大容量的計算機上工作，地點受限，無法實現大量醫學圖像的標注工作，則無法為人工智能提供學習樣本。

發明內容

本發明實施例提供一種醫學圖像的病理標注方法及裝置、計算機可讀存儲介質，能有效解決現有的人工標注工作地點受限的問題，提高標注工作的效率，為人工智能提供質量高且數量豐富的學習樣本。

本發明一實施例提供一種醫學圖像的病理標注方法，包括步驟：

當接收到任一用戶在所述移動終端輸入的進入標注模式的請求時，判定所述用戶是否具有病理標注資格；

當判斷所述用戶具有病理標注資格中，隨機調用待標注的醫學圖像并在所述移動終端的顯示界面進行顯示；

接收所述用戶對所述醫學圖像的第一標注結果，并保存所述用戶對所述醫學圖像的第一標注結果。

與現有技術相比，本發明實施例公開的醫學圖像的病理標注方法，通過當接收到任一用戶在所述移動終端輸入的進入標注模式的請求時，判定所述用戶是否具有病理標注資格；當判斷所述用戶具有病理標注資格中，隨機調用待標注的醫學圖像并在所述移動終端的顯示界面進行顯示；接收所述用戶對所述醫學圖像的第一標注結果，并保存所述用戶對所述醫學圖像的第一標注結果，能在保證標注質量的前提下，使得標注工作者可隨時隨地對醫學圖像進行標注，工作地點不受限制，能大大提高標注工作的效率，為人工智能提供質量高且數量豐富的學習樣本。

作為上述方案的改進，所述方法還包括步驟：

當檢測到任一所述醫學圖像具有兩個用戶的第一標注結果時，判斷所述兩個用戶的第一標注結果是否一致；

當判斷所述兩個用戶的第一標注結果一致時，以所述兩個用戶的第一標注結果作為所述醫學圖像的參考標注結果，并分別為兩個所述用戶的正確標注數加1。

作為上述方案的改進，所述方法還包括步驟：

當判斷所述兩個用戶的第一標注結果不一致時，隨機向任一其他用戶或專家用戶發送所述醫學圖像的標注請求；

作為上述方案的改進，所述方法還包括步驟：

當判斷所述兩個用戶的第一標注結果不一致時，隨機向任一其他用戶或專家用戶發送所述醫學圖像的標注請求；